随着数字解决方案和传感器的增加,可用数据呈指数级增长,美国国防部继续推进其数据和分析能力。这包括将人工智能(AI)进一步融入军事行动,以及在下一财年投资 18 亿美元用于人工智能和机器学习能力。

为指导下一步工作,美国国防部发布了《2023 年国防部数据、分析和人工智能应用战略》,国防部副部长凯瑟琳-希克斯(Kathleen Hicks)在五角大楼向记者介绍了这一战略,随后国防部首席数字和人工智能官克雷格-马特尔(Craig Martell)做了简要介绍。

希克斯强调,美国没有进行'人工智能'竞赛,国防部对人工智能的任何使用都将是负责任的,符合国际规范,并继续将人类监督纳入'回路'。

她说:"这是国防部非常关心的一个话题,我们已经为此努力了相当长的一段时间,因为人工智能不仅是当今许多美国人关注的问题,也是我和[劳埃德]奥斯汀部长从第一天起就一直在推动的以作战人员为中心的全面创新方法的一个关键部分。

由于大部分创新都发生在美国防部和政府之外,因此军方正努力采用 "能增加最大军事价值 "的先进技术。然而,与生成式人工智能相关的行业解决方案还不够先进,无法达到军用标准,希克斯说。

"坦率地说,大多数由大型语言模型支持的商用系统在技术上还不够成熟,无法遵守我们的人工智能道德原则,而这是负责任的作战使用所要求的,"她提出。"但我们已经发现了 180 多个实例,在这些实例中,这种生成式人工智能工具可以在监督下为我们增加价值。"

根据该计划,除了行业外,美国防部还将利用国家实验室和学术界的解决方案,作为其推动成为一支更加现代化、数据驱动和人工智能赋能的军队的一部分。

国防部副部长说:"在国防部,我们总是通过团队合作取得成功,在这里,我们有幸与国家实验室、大学、情报界、传统国防工业以及硅谷的非传统公司和全国各地的人工智能创新中心等强大的合作伙伴网络密切合作。在其中几个地方,我们都有实际存在,包括通过国防创新单元的办公室,我们最近将其提升为直接向部长报告。"

军方正在为战术应用寻找与人工智能相关的解决方案,以帮助加快指挥官决策的速度,提高决策的质量和准确性。国防部也在寻求人工智能来帮助管理其企业,"因为我们庞大的规模可能会让国防部难以利用数据看清自己、发现问题并解决问题,"希克斯解释说。"人工智能可以帮助领导者做出更明智、更快速的选择,甚至可以更好地管理纳税人的钱"。

当然,人工智能解决方案只有在高质量数据输入的情况下才会有效美国防部认为,领导人发布的数据法令将使国防部的所有数据变得可视、可访问、可理解、可链接、可信、可互操作和安全,这将提高数据质量,同时,每个作战司令部聘用的数据科学家和联合作战云能力也将提高数据质量,联合作战云能力将提供计算、存储、网络基础设施和先进的数据分析,以按需扩展。她指出:"我们正在整合传感器,在各个领域注入数据,同时利用最先进的决策支持工具来实现高作战节奏行动"。

希克斯希望该计划能帮助军方实现其联盟联合全域指挥与控制(CJADC2)的概念,将合作伙伴和盟友纳入其中,努力将所有传感器与任何作战领域的射手连接起来。她说:"明确地说,CJADC2 并不是我们要购买的一个平台或单一系统。这是一整套概念、技术、政策和人才,它们正在推进美国的核心作战功能,即指挥和控制部队的能力。"

副国务卿强调说:"我们对武器系统自主性的政策是明确和既定的。使用武力总是要由人来负责,这是绝对的。与我们的一些战略竞争对手不同,我们不会利用人工智能来感知、限制、压制或削弱人的能力。通过将我们的价值观放在首位并发挥我们的优势,其中最大的优势就是我们的员工,我们对人工智能采取了一种负责任的态度,这将确保美国继续领先"。

参考来源:AFCEA

成为VIP会员查看完整内容
51

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
以色列在加沙战争中部署新的军事人工智能
专知会员服务
60+阅读 · 2月11日
扩展现实的军事应用
专知会员服务
26+阅读 · 1月29日
美国陆军准备推出下一阶段的人工智能 TITAN 情报节点
专知会员服务
56+阅读 · 2023年12月31日
美国陆军希望人工智能能为士兵带来信息优势
专知会员服务
49+阅读 · 2023年9月21日
美国军事人工智能发展及其安全问题的思考
专知会员服务
92+阅读 · 2022年4月24日
人工智能时代智能化海战模式
科技导报
20+阅读 · 2019年7月5日
美陆军计划部署四大新型地面无人系统
无人机
25+阅读 · 2019年4月30日
美国公开《无人系统综合路线图(2017-2042)》
【智能军工】算法战:牵引美军人工智能军事化应用
产业智能官
19+阅读 · 2017年11月29日
国家自然科学基金
294+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
294+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
22+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员